《统计学基础》任务8时间序列分析与预测.pptVIP

长期趋势 T ：时间序列在长期内呈现出来的某种持续向上或持续下降的变动趋势。 季节变动 S ：时间序列在一年内重复出现的周期性波动。对季节变动的分析至少需要3周期的资料。 循环波动 C ：时间序列在长时期内呈现出来的涨落相间的交替波动。变动周期不固定，一般在一年以上。 乘法模型：Y=T·S·C·I 加法模型：Y=T+S+C+I 2、平均发展水平 3、增长量 4、平均增长量 5、发展速度 6、增长速度 （增长率） 8、平均增长速度（平均增长率） ■移动平均的作用： ●对时间序列进行平滑 ●利用移动平均值进行预测 简单移动平均预测(simple moving average) 对过去的观察值加权平均进行预测的一种方法 观察值时间越远，其权数也跟着呈现指数的下降，因而称为指数平滑，权数“近大远小”。 有一次指数平滑、二次指数平滑、三次指数平滑等。 一次指数平滑法也可用于对时间序列进行修匀，以消除随机波动，找出序列的变化趋势。 只有一个平滑系数 观察值离预测时期越久远，权数变得越小 以一段时期的预测值与观察值的线性组合作为第t+1期的预测值，其预测模型为 不同的?会对预测结果产生不同的影响 一般而言，当时间序列有较大的随机波动时，宜选较大的? ，以便能很快跟上近期的变化 当时间序列比较平稳时，宜选较小的? 选择?时，还应考虑预测误差 ●确定?时，可选择几个进行预测，然后找出预测误差最小的作为最后的值 线性方程的形式为 最小平方法配合线性模型 计算季节指数的方法有两种： 线性趋势（直线趋势） 长期趋势 非线性趋势（非直线趋势） 任务八：时间序列分析与预测 8.2.5 线性趋势预测 任务八：时间序列分析与预测 8.2.5 线性趋势预测 —时间序列的趋势值 t —时间标号 a—趋势线在Y 轴上的截距 b—趋势线的斜率，表示时间 t 变动一个 单位时观察值的平均变动数量 当现象的逐期增长量大体上相等时，该方程的一般形式为 任务八：时间序列分析与预测 8.2.5 线性趋势预测 根据 计算得 令 得简捷式 任务八：时间序列分析与预测 8.2.5 线性趋势预测 销售额 （万元） — 650 53810 7630 78 合计 473.72 503.20 532.68 562.16 591.64 621.12 650.60 680.08 709.56 739.04 768.52 798.00 1 4 9 16 25 36 49 64 81 100 121 144 490 960 1530 2360 2850 3840 4760 5360 6120 7600 8250 9600 490 480 510 590 570 640 680 670 690 760 750 800 1 2 3 4 5 6 7 8 9 10 11 12 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 年份 最小平方法配合线性模型计算 任务八：时间序列分析与预测 8.2.6 Excel操作 1、利用Excel中的“移动平均” 预测 “工具”→“数据分析”→“移动平均”→“确定” 2、利用Excel中的“指数平滑” 预测 “工具”→“数据分析”→“指数平滑”→“确定” 3、利用Excel中的“回归”建立线性方程并预测 “工具”→“数据分析”→“回归”→“确定”   学习要点 8.3 季节变动预测 任务八：时间序列分析与预测 8.3.1 季节指数的计算 8.3.2 季节指数预测  任务八：时间序列分析与预测 8.3.1 季节指数的计算 ◆季节性变动是指经济活动在一年之内呈现出 的起伏波动。 ◆分析季节变动的数据至少是三周期的，比如，月度资料需36个月，季度资料需12个月。 ◆测定季节变动规律的方法是计算季节指数或 称季节比率。 ◆季节指数是某月或某季度的数值占全年平均水平 的一个百分数。 任务八：时间序列分析与预测 8.3.1 季节指数的计算 按月平均法，不考虑长期趋势的 影响(假定不存在长期趋势)，直 接利用原始数列来计算季节指数； 长期趋势剔除法，即考虑长期趋势 的存在，剔除其影响后再计算季节 指数。 任务八：时间序列分析与预测 8.3.1 季节指数的计算 时期数列① 间隔相等②